CN101286059B - 在线测量数据获取、校正及过失误差的序列补偿方法 - Google Patents
在线测量数据获取、校正及过失误差的序列补偿方法 Download PDFInfo
- Publication number
- CN101286059B CN101286059B CN2008100382034A CN200810038203A CN101286059B CN 101286059 B CN101286059 B CN 101286059B CN 2008100382034 A CN2008100382034 A CN 2008100382034A CN 200810038203 A CN200810038203 A CN 200810038203A CN 101286059 B CN101286059 B CN 101286059B
- Authority
- CN
- China
- Prior art keywords
- data
- measurement data
- correction
- component
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012937 correction Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005259 measurement Methods 0.000 title claims description 100
- 238000004519 manufacturing process Methods 0.000 claims abstract description 28
- 239000003245 coal Substances 0.000 claims abstract description 20
- 239000000126 substance Substances 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 11
- 239000007789 gas Substances 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 239000007791 liquid phase Substances 0.000 claims description 6
- 239000007790 solid phase Substances 0.000 claims description 6
- 238000003889 chemical engineering Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 238000011031 large-scale manufacturing process Methods 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000000746 purification Methods 0.000 description 4
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001311 chemical methods and process Methods 0.000 description 3
- 238000012824 chemical production Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
Abstract
一种工业控制技术领域的在线测量数据获取、校正及过失误差的序列补偿方，步骤为：步骤一，实时地获取运行的煤化工流量测量数据和组分测量数据；步骤二，制造执行系统主服务器上的实时数据库获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，保持实时数据库和关系数据库的数据时间上的同步；步骤三，数据校正系统服务器从制造执行系统主服务器读取流量测量数据和组分测量数据，数据校正系统进行数据校正，校正后的流量数据和组分数据供后续用户调，此步骤中采用改进型序列补偿法对动态数据校正模型中含有过失误差的变量进行侦破。本发明提高了大规模生产网络的过失误差侦破率，减少运行时间和迭代次数。
Description
技术领域
本发明涉及一种工业控制技术领域的方法，具体是一种煤化工在线测量数据获取、校正及过失误差的序列补偿方法。
背景技术
煤化工生产流程中的数据多为连续流动着的物料，可测量，不可计数，有误差，不严格符合相关数据的物料平衡、热量平衡和其他约束条件，不具有整合性或协调性。生产过程优化运行、优化控制与优化管理是流程工业制造执行系统节能降耗的主要内容，协调一致的数据是企业进行调度、核算、考评、排产、优化、经营等的基础。目前，国内外数据校正技术在研究方面有了一定的进展，其中约束方程可以线性或非线性的，目标函数均是测量与校正差的最小二乘，权系数是测量值协方差矩阵的逆，已经提出了关于测量值协方差求取的几个方案。在误差诊断方面，只有一些针对具体状况的对应方法，如整体检验法、测量检验法等，还没有比较完善有效的方法。
经对现有技术的文献检索发现，Shankar Narasimhan等在《DataReconciliation and gross Error Detection》(数据校正与过失误差检测)(GulfPublishing Company(油气工业出版社)，2000)一书中提出数据校正方法，虽然有对非线性和双线性问题的数据校正，其不足之处对于大规模实际生产网络问题，尤其涉及测量数据的动态在线校正问题，并没有提出针对大规模生产网络冗余性分析方法及相应的过失误差侦破方法。
发明内容
本发明针对上述现有技术的不足，提出了一种针对煤化工的在线测量数据获取、校正及过失误差的序列补偿方法，针对煤化工生产流程，对于系统内过程拓扑结构中的气、固、液三相的流率和组分数据进行冗余性分析，提出了有效的动态在线数据校正模型，并采用改进型序列补偿法对过失误差进行了侦破。
本发明是通过如下技术方案实现的，本发明包括以下步骤：
步骤一，实时获取运行的煤化工流量测量数据和组分测量数据，采用安装于工业装置的管线或传输带上的数字式计量仪表自动获得流量测量数据，采用人工定时采样或采用安装于工业装置的设备、管线或传输带上安装的数字式在线组分分析仪获得组分测量数据。
所述数字式计量仪表自动获得流量测量数据，具体为：数字式计量仪表负责测量管线或传输带上的流量，并将获得的流量数字讯号经单元工业装置的DCS(Distributed Control System，集散控制系统)，进入MES(ManufacturingExecutive System，制造执行系统)自动地存入MES主服务器上的实时数据库。
所述采用人工定时采样获得组分测量数据，具体为：由分析人员定时去现场采样，采得的样品分析得到组分测量数据，并将组分测量数据录入分析数据服务器上的关系数据库。
所述采用数字式在线组分分析仪获得组分测量数据，具体为：数字式在线组分分析仪在工业装置的设备、管线或传输带上测量物质的组分，并将获得的组分数字信号经DCS，进入MES，自动地存入实时数据库。
所述数字式计量仪表，为涡轮流量计，涡阶流量计、质量流量计或皮带秤。所述数字式在线组分分析仪，为气相色谱仪、液相色谱仪或质谱仪等。
步骤二，MES主服务器上的实时数据库自动地、连续地，按设定的频度(一般为若干秒)，获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，而对于由人工录入的组分分析数据，分析数据服务器按设定的时间间隔(通常为每个生产班次、生产日等)，自动地将指定的数据校正任务所需要的组分测量数据提取并打包传输到MES主服务器上的实时数据库中去，保持实时数据库和关系数据库的数据时间上的同步；
所述分析数据服务器，其提取组分分析数据的时间间隔为数据校正时间间隔的1/n，n一般取5-10。
所述分析数据服务器，当由于某种原因导致某一需要的组分测量数据未按约定时间录入或导入时，分析数据服务器将在数据校正时间间隔的期末自动继承该数据前一时段的数值，作为缺损值的替代值。
步骤三，数据校正系统服务器在指定的时间间隔(同步骤二中，通常为每个生产班次、生产日等)的期末，自动地从MES主服务器读取数据校正任务所需要的全部该时间间隔内的流量测量数据和组分测量数据，数据校正系统读入数据校正系统服务器上本间隔期内流量测量数据和组分测量数据，进行数据校正，校正后的流量数据和组分数据存入关系数据库，并复制一份至MES主服务器的实时数据库，供动态成本、调度优化或技术月报等后续用户调用。
所述流量测量数据和组分测量数据的处理，具体为：流量测量数据的瞬时值在时间间隔内积分，流量测量数据的累计值取间隔期末值与期初值的差值，间隔内的同一组分的多个测量值取平均值等。对于经过处理的流量测量数和组分测量数据的缺损值可以由人工补充。
所述数据校正系统，其位于数据校正系统服务器上，该服务器上备有与系统关联的关系数据库，关系数据库上存贮数据校正模型、结构参数和各种常数。模型、结构参数和常数都可以根据工业装置运行工况的变化由人工作相应的修改。
所述数据校正，其步骤为：
①在完成步骤一和步骤二的测量数据的获取和同步的基础上，进行动态的数据校正。在煤化工流程中，对系统内过程拓扑结构中的气、固、液三相的流率测量数据和组分数据进行冗余性分析，进行动态数据校正模型；
所述动态数据较正模型，其目标函数为：
约束方程为：
其中，为测量数据的校正值向量，X为测量数据向量，U为未测量数据矩阵，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵，B为未测量数据的系数矩阵，C为常数矩阵。
②在煤化工流程中涉及多个分流器装置，对于分流器问题采用双线性方法对①中的动态数据校正模型进行数据校正；
所述对于分流器问题采用双线性方法进行数据校正，具体如下：
第一步，设定从分流器流出的各流股具有各自不同组分的约束，进行双线性的数据校正，得出组分流量；
第二步，利用第一步计算得出的组分流量，计算组分流量的比值作为分流器的分流系数，将分流系数代入动态数据校正模型的约束方程，再次进行双线性的数据校正。
③采用改进型序列补偿法对②中的动态数据校正模型中含有过失误差的变量进行侦破，具体如下：
第一步，根据①建立的动态数据校正模型，构建残差和协方差矩阵：
约束方程的残差：r＝AX-C；
残差的协方差矩阵：V＝AQAT。
其中：X为测量数据向量、Q为测量数据的方差-协方差矩阵、A为校正值的系数矩阵、C为常数矩阵。
第二步，对每一个测量数据构造检验统计量z，计算所有测量数据的检验统计量，并对所有的检验统计量|zi|按照由大到小进行排序，得到排序后的序列S，并将序列中的最大值S(1)同第一临界值ZC进行比较，第一临界值为根据给定显著水平从检验统计量分布表查出的置信区间，若S(1)＜ZC，表明所有|zi|都落入置信区间，误差侦破结束，终止运算，输出数据校正结果；若S(1)＞ZC，则进行第三步。
所述构造检验统计量z，具体为：zi＝δiWii -1/2，其中，δi是常数，W＝QATV-1AQ，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵。
第三步，利用过失误差的改进型序列补偿法检验序列S中的检验统计量，当序列S中的检验统计量大于第二临界值ZC1，第二临界值ZC1为根据给定的显著水平查多元正态分布统计表得出的置信区间，则表示有过失误差，对测量值补偿，返回到②，直到将所有序列S中测量数据的检验统计量都小于第二临界值ZC1范围内，表示所有的过失误差全部进行了检验，序列S中前几个变量含有过失误差的可能性最大。
所述利用过失误差的改进型序列补偿法检验序列S中的检验统计量，具体如下：
第一步，对于没有过失误差变量进行假设：H0：E(r)＝0，表示约束方程残差r的数学期望；
第二步，对于有过失误差变量集合中的变量建立N个备选假设H1：E(r)＝bfi，其中，b为过失误差的值，fi∈{Aei，k∈Pos}，ei为第i个变量的随机误差，Pos是序列S中前N个变量所在位置的集合；
第三步，构造序列S中的检验统计量T，利用序列补偿法进行迭代，如果序列S中的检验统计量值小于临界值，回到②；若序列S中的检验统计量大于第二临界值ZC1，对测量值补偿。
所述构造序列S中的检验统计量，具体为：
所述对测量值补偿，具体为：测量值补偿为：Xc＝X-bc1ei1-bc2ei2-…其中：补偿向量为bc、ei为第i个变量的随机误差，并用补偿后的Xc替代测量值X。
与现有技术相比，本发明具有如下有益效果：本发明方法将有效对系统内过程拓扑结构中的气、固、液三相的流率和组分数据开展冗余性分析，同时采用改进型序列补偿法用于过失误差的侦破，并对复杂过程的主要工艺物流进行测量数据(流率和组分)的基于组分平衡的在线数据校正。本发明对大规模生产网络的过失误差侦破率提高30％，减少运行时间和迭代次数。
附图说明
图1是煤化工在线数据校正系统数据流示意图；
图2是煤化工生产流程中物料和能量的关联图；
图3是煤化工流程数据校正模型的节点一流股图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
步骤一，从运行的工业装置中实时地获取煤化工流量测量数据和组分测量数据，采用安装于工业装置的管线或传输带上的数字式计量仪表自动获得流量测量数据，采用人工定时采样或采用安装于工业装置的设备、管线或传输带上安装的数字式在线组分分析仪获得组分测量数据。
图1是煤化工在线数据校正数据流示意图。为实现在线组分数据校正任务，需要从运行的工业装置中实时地获取两类数据，其中流量测量数据经安装于工业装置的管线或传输带(皮带等)上的数字式计量仪表(如涡轮流量计，涡防流量计、质量流量计和皮带秤等)，仪表的流量数字讯号经单元工业装置的集散控制系统DCS，进入MES自动地存入MES主服务器上的实时数据库中。
步骤二，MES主服务器上的实时数据库自动地、连续地，按设定的频度(一般为几秒至几十秒)，获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，而对于由人工录入的组分分析数据，分析数据服务器按设定的时间间隔(通常为每个生产班次、生产日等)，自动地将指定的数据校正任务所需要的组分测量数据提取并打包传输到MES主服务器上的实时数据库中去，保持实时数据库和关系数据库的数据时间上的同步；
组分测量数据包括两种：第一种，在工业装置的设备、管线或传输带上安装的数字式在线组分分析仪(如气相色谱仪、液相色谱仪、质谱仪或其他组分分析仪)，仪表的组分数字讯号经DCS，进入MES，自动地存入实时数据库；第二种，由于在线分析仪价格昂贵，维修量大，一般不可能在所有需要测量组分数据的设备、管线或传输带上全部安装在线分析仪，因此，大部分分析数据通过实验室仪器或直接读取或将仪器读数经计算得到。
流量测量数据和组分测量数据，在MES主服务器中完成测量数据的同步，MES主服务器上的实时数据库自动地、连续地，按设定的频度(一般为几秒至几十秒)，读取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据。对于人工录入的数据，则采取按时间间隔方式获取数据，或在未及时获得数据的情况下，自动继承数据前一段时间的数值。流量测量数据和组分测量数据完成同步后，并进入数据校正服务器进行数据校正。
步骤三，数据校正系统服务器在指定的时间间隔(同步骤二中，通常为每个生产班次、生产日等)的期末，自动地从MES主服务器读取数据校正任务所需要的全部该时间间隔内的流量测量数据和组分测量数据，数据校正系统读入数据校正系统服务器上本间隔期内流量测量数据和组分测量数据，进行数据校正，校正后的流量数据和组分数据存入关系数据库，并复制一份至MES主服务器的实时数据库，供动态成本、调度优化或技术月报等后续用户调用。
对流量测量数据的瞬时值在时间间隔内进行积分，流量测量数据的累计值取间隔期末值与期初值的差值，间隔内的同一组分的多个测量值取平均值等。对于经过处理的流量测量数和组分测量数据的缺损值可以由人工补充。
数据校正系统位于数据校正系统服务器上，该服务器上备有与系统关联的关系数据库，关系数据库上存贮数据校正模型、结构参数和各种常数。模型、结构参数和常数都可以根据工业装置运行工况的变化由人工作相应的修改。
图2是本实施例中某煤化工生产的流程概况，包括20个流股(即两个生产过程之间的联系，图中虚线的流股在本实施例中不做研究)；包括12个生产过程：德士古气、废热回收、200#净化、300#冷箱、变压吸附、500#净化、600#冷箱、15万CO变换、400#净化、合成混合模块、20万吨CO变换、100#净化。生产过程的输入为进入德士古炉的水煤浆，输出为15万吨甲醇。
图3是根据图2的生产流程，提取的数据校正模型的节点-流股图，图中方框为节点、直线为流股，工艺流程包括19个节点、30多个流股、4个反应器且有多个嵌套循环。校正模型中的流股主要有三种组分CO2、H2和CO，它们在大部分流股中占总组分的99％以上。本实施例在其中几个涉及分流和混合的位置，添加了分流器和混合器。在数据校正服务器中完成数据校正任务。
本实施例是对附图3中的数据校正模型进行组分平衡的在线数据校正，包括如下：
所述数据校正的具体内容，包括：
①在完成步骤一和步骤二的测量数据的获取和同步的基础上，进行动态的数据校正。在煤化工流程中，对系统内过程拓扑结构中的气、固、液三相的流率测量数据和组分数据进行冗余性分析，进行动态数据校正模型；
所述动态数据较正模型，其目标函数为：
约束方程为：
其中，
为测量数据的校正值向量，X为测量数据向量，U为未测量数据矩阵，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵，B为未测量数据的系数矩阵，C为常数矩阵。
②在煤化工流程中涉及多个分流器装置，对于分流器问题采用双线性方法对①中的动态数据校正模型进行数据校正；
所述对于分流器问题采用双线性方法进行数据校正，具体如下：
第一步，设定从分流器流出的各流股具有各自不同组分的约束，进行双线性的数据校正，得出组分流量；
第二步，利用第一步计算得出的组分流量，计算组分流量的比值作为分流器的分流系数，将分流系数代入动态数据校正模型的约束方程，再次进行双线性的数据校正。
③采用改进型序列补偿法对②中的动态数据校正模型中含有过失误差的变量进行侦破，具体如下：
第一步，根据①建立的动态数据校正模型，构建残差和协方差矩阵：
约束方程的残差：r＝AX-C；
残差的协方差矩阵：V＝AQAT。
其中：X为测量数据向量、Q为测量数据的方差-协方差矩阵、A为校正值的系数矩阵、C为常数矩阵。
第二步，对每一个测量数据构造检验统计量z，计算所有测量数据的检验统计量，并对所有的检验统计量|zi|按照由大到小进行排序，得到排序后的序列S，并将序列中的最大值S(1)同第一临界值ZC进行比较，第一临界值为根据给定显著水平从检验统计量分布表查出的置信区间，若S(1)＜ZC，表明所有|zi|都落入置信区间，误差侦破结束，终止运算，输出数据校正结果；若S(1)＞ZC，则进行第三步。
所述构造检验统计量z，具体为：zi＝δiWii -1/2，其中，δi是常数，W＝QATV-1AQ，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵。
第三步，利用过失误差的改进型序列补偿法检验序列S中的检验统计量，当序列S中的检验统计量大于第二临界值ZC1，第二临界值ZC1为根据给定的显著水平查多元正态分布统计表得出的置信区间，则表示有过失误差，对测量值补偿，返回到②，直到将所有序列S中测量数据的检验统计量都小于第二临界值ZC1范围内，表示所有的过失误差全部进行了检验，序列S中前几个变量含有过失误差的可能性最大。
所述利用过失误差的改进型序列补偿法检验序列S中的检验统计量，具体如下：
第一步，对于没有过失误差变量进行假设：H0：E(r)＝0，表示约束方程残差r的数学期望；
第二步，对于有过失误差变量集合中的变量建立N个备选假设H1：E(r)＝bfi，其中，b为过失误差的值，fi∈{Aei，k∈Pos}，ei为第i个变量的随机误差，Pos是序列S中前N个变量所在位置的集合；
第三步，构造序列S中的检验统计量T，利用序列补偿法进行迭代，如果序列S中的检验统计量值小于临界值，回到②；若序列S中的检验统计量大于第二临界值ZC1，对测量值补偿。
所述构造序列S中的检验统计量，具体为：
其中，T为序列S中的检验统计量，sup为求上限。
所述对测量值补偿，具体为：测量值补偿为：Xc＝X-bc1ei1-bc2ei2-…其中：补偿向量为bc、ei为第i个变量的随机误差，并用补偿后的Xc替代测量值X。
本实施例中利用某次采集的原始数据，根据图3建立的数据校正模型，并采用数据校正及过失误差的改进型序列补偿方法，得出最终校正的结果如表1和表2所示：
表1流率的测量值和校正值
表2组分的测量值和校正值
本实施例方法将有效对系统内过程拓扑结构中的气、固、液三相的流率和组分数据开展冗余性分析，同时采用改进型序列补偿法用于过失误差的侦破，并对复杂过程的主要工艺物流进行测量数据(流率和组分)的基于组分平衡的在线数据校正。本实施例对大规模生产网络的过失误差侦破率提高30％，减少运行时间和迭代次数。
Claims (8)
1.一种在线测量数据获取、校正及过失误差的序列补偿方法，其特征在于，包括以下步骤：
步骤一，实时地获取运行的煤化工流量测量数据和组分测量数据，采用安装于工业装置的管线或传输带上的数字式计量仪表自动获得流量测量数据，采用人工定时采样或采用安装于工业装置的设备、管线或传输带上安装的数字式在线组分分析仪获得组分测量数据；
步骤二，制造执行系统主服务器上的实时数据库自动地、连续地，按设定的频度，获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，而对于由人工录入的组分分析数据，分析数据服务器按设定的分析数据时间间隔，自动地将指定的数据校正任务所需要的组分测量数据提取并打包传输到制造执行系统主服务器上的实时数据库中去，保持实时数据库和关系数据库的数据时间上的同步；
步骤三，数据校正系统服务器在指定的数据校正时间间隔的期末，自动地从制造执行系统主服务器读取数据校正任务所需要的全部数据校正时间间隔内的流量测量数据和组分测量数据，数据校正系统读入数据校正系统服务器上本间隔期内流量测量数据和组分测量数据，进行数据校正，校正后的流量数据和组分数据存入关系数据库，并复制一份至制造执行系统主服务器的实时数据库，供后续用户调用；
所述分析数据时间间隔为数据校正时间间隔的1/n，n取5-10；
所述的数据校正系统位于数据校正系统服务器上，在数据校正系统服务器和实验室分析数据服务器上均备有与数据校正系统关联的关系数据库；
所述数据校正，包括：
①在完成步骤一和步骤二的测量数据的获取和同步的基础上，进行动态的数据校正，对煤化工流程系统内过程拓扑结构中的气、固、液三相的流率测量数据和组分数据进行冗余性分析，建立动态数据校正模型；
所述动态数据较正模型，其目标函数为：
其中，
为测量数据的校正值向量，X为测量数据向量，U为未测量数据矩阵，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵，B为未测量数据的系数矩阵，C为常数矩阵；
②在煤化工流程中涉及多个分流器装置，对于分流器问题采用双线性方法对①中的动态数据校正模型进行数据校正；
③采用改进型序列补偿法对②中的动态数据校正模型中含有过失误差的变量进行侦破，具体如下：
3.1)，根据①建立的动态数据校正模型，构建残差和协方差矩阵：
约束方程的残差：r＝AX-C；
残差的协方差矩阵：V＝AQAT；
其中：X为测量数据向量、Q为测量数据的方差-协方差矩阵、A为校正值的系数矩阵、C为常数矩阵；
3.2)，对每一个测量数据构造检验统计量zi，其中：i为检验统计量的个数；计算所有测量数据的检验统计量zi，并对所有的检验统计量的绝对值|zi|按照由大到小排序后，得到检验统计量的绝对值|zi|的序列S，并将序列中的最大值S(1)同第一临界值ZC进行比较，第一临界值为根据给定显著水平从检验统计量分布表查出的置信区间，若S(1)＜ZC，表明所有|zi|都落入置信区间，误差侦破结束，终止运算，输出数据校正结果；若S(1)＞ZC，则进行3.3)；
3.3)利用过失误差的改进型序列补偿法检验序列S中的检验统计量，当序列S中的检验统计量大于第二临界值ZC1，第二临界值ZC1为根据给定的显著水平查多元正态分布统计表得出的置信区间，则表示检验统计量对应的测量值有过失误差，对测量值补偿，返回到②，直到将所有序列S中测量数据的检验统计量都小于第二临界值ZC1范围内，表示所有的过失误差全部进行了检验，序列S中前几个变量含有过失误差的可能性最大；
所述利用过失误差的改进型序列补偿法检验序列S中的检验统计量，具体如下：
3.3.1)，对于没有过失误差变量进行假设：H0：E(r)＝0，表示约束方程残差r的数学期望；
3.3.2)，对于有过失误差变量集合中的变量建立N个备选假设H1：E(r)＝bfk，其中，b为过失误差的值，fk∈{Aei，k∈Pos}，ei为第i个变量的随机误差，Pos是序列S中前N个变量所在位置的集合；
3.3.3)，构造序列S中的检验统计量T，利用序列补偿法进行迭代，如果序列S中的检验统计量值小于第二临界值ZC1，回到②；若序列S中的检验统计量大于第二临界值ZC1，对测量值补偿；
所述构造序列S中的检验统计量，具体为：
所述对测量值补偿，具体为：测量值补偿为：Xc＝X-bc1ei1-bc2ei2-…其中：补偿向量为bc、ei为第i个变量的随机误差，并用补偿后的Xc替代测量值X。
2.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，所述对于分流器问题采用双线性方法进行数据校正，具体如下：
2.1)设定从分流器流出的各流股具有各自不同组分的约束，进行双线性的数据校正，得出组分流量；
2.2)利用2.1)得出的组分流量，计算组分流量的比值作为分流器的分流系数，将分流系数代入动态数据校正模型的约束方程，再次进行双线性的数据校正。
3.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，所述构造检验统计量zi，具体为：
4.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，所述数字式计量仪表自动获得流量测量数据，具体为：数字式计量仪表负责测量管线或传输带上的流量，并将获得的流量数字讯号经单元工业装置的集散控制系统，进入制造执行系统自动地存入制造执行系统主服务器上的实时数据库。
5.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，所述采用人工定时采样获得组分测量数据，具体为：由分析人员定时去现场采样，采得的样品分析得到组分测量数据，并将组分测量数据录入分析数据服务器上的关系数据库；所述采用数字式在线组分分析仪获得组分测量数据，具体为：数字式在线组分分析仪在工业装置的设备、管线或传输带上测量物质的组分，并将获得的组分数字信号经集散控制系统，进入制造执行系统，自动地存入实时数据库。
6.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，由于某种原因导致某一需要的组分测量数据未按约定时间录入或导入时，分析数据服务器将在数据校正时间间隔的期末自动继承该数据前一时段的数值，作为缺损值的替代值。
7.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，步骤三中所述的进行数据校正是指：流量测量数据的瞬时值在校正时间间隔内积分，流量测量数据的累计值取间隔期末值与期初值的差值，间隔内的同一组分的多个测量值取平均值，对于经过处理的流量测量数和组分测量数据的缺损值由人工补充。
8.根据权利要求1所述的在线测量数据获取、校正及过失误差的序列补偿方法，其特征是，所述关系数据库上存贮数据校正模型、结构参数和各种常数，模型、结构参数和常数都根据工业装置运行工况的变化由人工作相应的修改。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100382034A CN101286059B (zh) | 2008-05-29 | 2008-05-29 | 在线测量数据获取、校正及过失误差的序列补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100382034A CN101286059B (zh) | 2008-05-29 | 2008-05-29 | 在线测量数据获取、校正及过失误差的序列补偿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101286059A CN101286059A (zh) | 2008-10-15 |
| CN101286059B true CN101286059B (zh) | 2010-06-02 |
Family
ID=40058290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008100382034A Expired - Fee Related CN101286059B (zh) | 2008-05-29 | 2008-05-29 | 在线测量数据获取、校正及过失误差的序列补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101286059B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477369B (zh) * | 2009-01-19 | 2011-01-05 | 浙江大学 | 一种用于化工流程系统变负荷下的数据校正方法 |
| CN102486390B (zh) * | 2010-12-05 | 2014-01-15 | 中国科学院沈阳自动化研究所 | 一种适用于钢铁企业蒸汽管网计量数据校正的方法 |
| CN103134570B (zh) * | 2011-11-29 | 2014-11-26 | 中国科学院沈阳自动化研究所 | 一种钢铁企业蒸汽产生量与消耗量认证的方法 |
| TWI474633B (zh) | 2011-12-16 | 2015-02-21 | Richwave Technology Corp | 具靜電保護機制之整合被動元件 |
| AT515437A2 (de) * | 2014-02-20 | 2015-09-15 | Omv Refining & Marketing Gmbh | Verfahren und Vorrichtung zur Korrektur einer Messung |
| CN104050277A (zh) * | 2014-06-27 | 2014-09-17 | 东北大学 | 一种基于聚类分析的3mad-mmmd过失误差侦破方法 |
| CN104950852A (zh) * | 2015-06-16 | 2015-09-30 | 河南中烟工业有限责任公司 | 一种卷烟企业能源管控系统的数据校验系统与方法 |
| CN105536185A (zh) * | 2015-12-21 | 2016-05-04 | 广东永强奥林宝国际消防汽车有限公司 | 一种消防车水泵稳压系统和装置 |
| JP2017156819A (ja) * | 2016-02-29 | 2017-09-07 | キヤノン株式会社 | 管理システム、代替管理装置、管理方法、及びプログラム |
| CN107818395B (zh) * | 2017-09-05 | 2022-04-22 | 天津市电力科技发展有限公司 | 一种基于测量不确定度的电能表误差迭代计算方法 |
| CN107657083A (zh) * | 2017-09-05 | 2018-02-02 | 天津市电力科技发展有限公司 | 一种智能水表在线综合误差校准方法 |
| CN108272446B (zh) * | 2018-01-30 | 2021-03-26 | 浙江大学 | 无创连续血压测量系统及其校准方法 |
| CN111736626B (zh) * | 2020-06-22 | 2022-05-17 | 中国人民解放军国防科技大学 | 一种平稳弹道数据处理方法 |
| CN112896551B (zh) * | 2021-05-08 | 2021-09-07 | 成都飞机工业（集团）有限责任公司 | 一种飞机航电设备安装的校准辅助方法 |
| CN114943504A (zh) * | 2022-04-01 | 2022-08-26 | 惠州市联建光电有限公司 | 一种校正信息录入方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0583494A1 (de) * | 1992-08-14 | 1994-02-23 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Schleppfehlerkompensation zwischen einer Fördervorrichtung und einer relativ zu dieser bewegten, numerisch gesteuerten Maschine |
| CN101004594A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 基于双线性模型的化工过程数据校正方法 |
-
2008
- 2008-05-29 CN CN2008100382034A patent/CN101286059B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0583494A1 (de) * | 1992-08-14 | 1994-02-23 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Schleppfehlerkompensation zwischen einer Fördervorrichtung und einer relativ zu dieser bewegten, numerisch gesteuerten Maschine |
| CN101004594A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 基于双线性模型的化工过程数据校正方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘宝卫，赵霞，吴胜昔，潘兆鸿.过程测量数据校正技术在甲醇工厂的在线应用.自动化仪表29 2.2008,29(2),20-23. |
| 刘宝卫,赵霞,吴胜昔,潘兆鸿.过程测量数据校正技术在甲醇工厂的在线应用.自动化仪表29 2.2008,29(2),20-23. * |
| 梅从立.过程工业数据显著误差检测技术研究.浙江大学博士学位论文.2007,1-105. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101286059A (zh) | 2008-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101286059B (zh) | 在线测量数据获取、校正及过失误差的序列补偿方法 | |
| CN114910615B (zh) | 基于大数据的化工生产用泄漏气体检测系统 | |
| CN110057416B (zh) | 一种空气交换量的测量方法及系统 | |
| Su et al. | Data reconciliation in the Quality-by-Design (QbD) implementation of pharmaceutical continuous tablet manufacturing | |
| CN102183468A (zh) | 多组分气体分析的干扰修正与浓度反演方法 | |
| RU2532489C1 (ru) | Способ калибровки мультифазных расходомеров в рабочих условиях | |
| CN108717098A (zh) | 一种提高混合气体浓度检测精度的方法 | |
| Li et al. | Study on wet gas online flow rate measurement based on dual slotted orifice plate | |
| CN108680347B (zh) | 一种杂质环境下阀门流量特性鉴定方法 | |
| CN107367481A (zh) | 一种在线近红外光谱预测原油一般性质的方法 | |
| CN114740159A (zh) | 一种天然气能量计量组分获取方法和物联网系统 | |
| CN103399134A (zh) | 一种基于输出观测器的污水cod软测量方法 | |
| CN108955837A (zh) | 一种质量流量计在线系统误差的确定方法及其应用 | |
| CN108680671A (zh) | 单点定量水产品中多氯联苯含量检测结果不确定度的评定方法 | |
| Zhang et al. | Mathematical model of time difference for Coriolis flow sensor output signals under gas-liquid two-phase flow | |
| Ogheard | Development of a dynamic gravimetric calibration method for liquid water flow metering | |
| WO2002065247A2 (en) | Method of estimating precision of apparatus | |
| CN108426848B (zh) | 基于红外气体分析器的标准气体稀释装置的稀释误差检测装置及其检测方法 | |
| Florisson et al. | Rapid determination of the Wobbe index of natural gas | |
| US20190257808A1 (en) | Chemo-Metrical Prediction of Methane Index for the Natural Gas | |
| US11874230B2 (en) | Augmented Raman analysis using absolute Raman | |
| CN217484237U (zh) | 一种用于igcc燃气合成气含水量的测量系统 | |
| Immonen | Classification and placement of measurements through LP/MIP algorithms | |
| JP3185297B2 (ja) | 嫌気性消化槽のモニター方法 | |
| CN114414623A (zh) | 一种热导式氢气在线分析仪的干扰值自适应抑制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100602 Termination date: 20130529 |